前言¶
做文獻監測的常見做法是每週手動刷一遍 PubMed，再開幾個標籤頁看 bioRxiv 和 arXiv，看到相關論文存進 EndNote，回頭想引用時發現鏈接、預印本版本和作者單位對不上。另一種做法是寫腳本定時抓 API，腳本能跑，但關鍵詞寫死、去重靠標題字符串匹配、摘要由模型生成後無從覈對。
下面介紹的 Academic-Radar 是社區作者 user_9e10d3ea 發佈的一個通用 Skill，把「抓哪些源、怎麼篩、怎麼判相關、推給誰」這四件事組織成一次可復現的配置，並明確區分了書目信息與模型產出。
這是什麼¶
Academic-Radar 是一個面向臨牀醫生、醫學科研人員和研究生的多源學術監測 Skill，座標 @user_9e10d3ea/academic-radar，當前版本 1.0.0，來源爲 community，歸類在 knowledge-management。
它解決的問題是：給定一個研究方向，定時從多個學術數據源獲取新增內容，經過關鍵詞篩選、跨週期去重和模型相關性評分後，輸出一份能追溯到原始出處的報告。它不負責替你判斷某篇論文是否值得讀，而是保證你看到的每條記錄都能回到源 API 的原始書目數據。
數據源與處理流程¶
數據源覆蓋三類：
1、文獻數據庫：PubMed、Semantic Scholar、OpenAlex
2、預印本服務器：bioRxiv、medRxiv、arXiv
3、補充渠道：X（原 Twitter）和 RSS 訂閱
同一批內容進入 Skill 後依次經過三道處理：關鍵詞篩選、跨週期去重、LLM 相關性評分。前兩道是確定性的規則處理，第三道由模型完成，產出是評分和摘要總結。
這裏有一個明確的邊界：書目信息來自原始 API，模型只負責評分與摘要。也就是說，標題、作者、期刊、DOI、鏈接這些字段不會被模型改寫，模型生成的內容僅限於相關性判斷和文字摘要。
核心功能¶
已覈實的能力包括：
- 六層關鍵詞配置，支持把檢索條件拆成不同層級分別維護
- 作者追蹤，按特定研究者持續監測新產出
- 檢索頻率調整，按源或按任務設置抓取間隔
- 多渠道推送，報告可以發到不同接收端
- 跨週期去重，避免同一條目在相鄰兩次抓取中重複出現
- 書目信息可追溯，每條記錄保留源 API 的原始字段
安裝與啓用¶
官方地址：
https://api.skillhub.cn/user_9e10d3ea/academic-radar
SkillHub 頁面：
https://www.skillhub.cn/skills/user_9e10d3ea/academic-radar
需要說明的是，已抓取的資料中只給出了 SkillHub 的訪問地址和座標，沒有提供具體的安裝命令或目錄結構。同時該 Skill 帶有 requires_api_key=true 標籤，說明啓用前需要準備好各數據源的訪問憑據（例如 Semantic Scholar 和 OpenAlex 的 API key）。安裝步驟請以官方頁面當時的說明爲準，不要照抄第三方寫法。
首次配置與實跑¶
按照官方簡介，Skill 會引導使用者按順序完成五個環節：
1、研究方向拆解。先把寬泛的課題拆成可檢索的主題詞和限定條件，而不是直接把課題名稱當檢索式。
2、關鍵詞校準。把拆解結果落到六層關鍵詞配置裏，逐層檢查命中率，避免召回過多或漏掉關鍵子方向。
3、模型與推送渠道配置。確定相關性評分用哪個模型，以及報告推送到哪個渠道。
4、首次實跑。跑一次完整流程，檢查抓取量、去重效果和評分結果是否符合預期。
5、定時任務。確認首次實跑無誤後，開啓週期抓取。
前三步是配置，第四步是驗證，第五步纔是長期運行。跳過第四步直接上定時，出問題時不容易定位是關鍵詞、去重還是評分環節的原因。
典型用法¶
一個可用的最小場景是作者追蹤：輸入某位研究者的名字，配置作者追蹤和對應的關鍵詞層，設定抓取頻率，報告推送到常用渠道。運行後每次抓取返回的新增內容都包含該作者的原始書目字段，加上模型給出的相關性評分和摘要。
另一個場景是方向監測：針對一個研究主題配置多層關鍵詞，覆蓋 PubMed 和至少一個預印本源，開啓跨週期去重。這樣同一篇論文在相鄰兩次抓取中不會重複出現，預印本和正式發表版本可以通過原始字段區分。
適用場景與注意¶
適合的使用方是：需要長期跟蹤某個研究方向、但不希望手動維護檢索式的臨牀醫生、醫學科研人員和研究生；以及需要同時覆蓋正式發表和預印本兩個時間層的使用者。
幾個限制值得提前知道：
- 該 Skill 依賴外部 API，PubMed、Semantic Scholar、OpenAlex 等源的可用性和限流策略由各平臺決定，抓取失敗時需要排查憑據和頻率設置。
requires_api_key=true意味着至少部分數據源需要自行申請 key，官方頁面未說明哪些源需要、哪些不需要。- 相關性評分來自模型，摘要也是模型生成的。這兩個產出應當作爲篩選參考，不能當作原文引用。真正引用時回到原始 API 的書目字段覈對。
- 安裝數爲 0、下載量爲 939（截至抓取時），社區來源，遇到問題需要自行排查或聯繫發佈者。
結尾¶
Academic-Radar 的價值不在於它接了多少個數據源，而在於它把文獻監測這件事拆成了可配置、可復現、可追溯的步驟，並且明確劃開了「原始書目數據」和「模型產出」這條線。如果你需要的是長期、自動化的方向跟蹤，同時不希望報告裏的標題和作者信息被模型改寫，這個 Skill 的定位是對口的。
官方地址：https://www.skillhub.cn/skills/user_9e10d3ea/academic-radar
